2020年秋冬智慧树知道网课《Python数据分析实战》课后章节测试答案

第一章测试1【多选题】(1分)本课程特色包括A.剖析20+精彩案例，培养综合实战技能B.嵌入Python软件，培养算法落地能力C.精析数据分析算法，培养数据分析意识2【多选题】(1分)本课程包括的知识点包括A.Python基本数据分析实战B.Python数据分析高级实战C.Python入门3【多选题】(1分)本课程的Python入门部分中您将学习到的内容包括A.Python简介B.Python三剑客（numpy,pandas,matplotlib）C.Python基本语法D.Python基本编程4【多选题】(1分)本课程的Python高级数据分析部分中您将学习到的内容包括A.高级话题B.无监督学习C.有监督学习（分类问题）D.有监督学习（回归问题）5【多选题】(1分)本课程讲授六步法的基本目标是A.软件熟练B.落地精准C.算法清楚D.理论扎实第二章测试1【单选题】(1分)下列关于Python语法叙述的是A.for循环中，冒号为缩进代码块的开始，冒号之后的所有代码的缩进量必须相同，直到代码块结束B.Python使用括号组织代码C.Python句尾不需要分号D.Python中使用#号注释语句2【单选题】(1分)下述代码的返回结果是deffun(k):y=2*k+k**2returnyprint(fun(3))A.14B.12C.13D.153【单选题】(1分)Python语句中用于注释代码的符号是A.%号B.$号C.!号D.#号4【单选题】(1分)下述代码返回的结果是importnumpyasnpt=2.5868print(np.round(t,2))A.2.60B.2.58C.2.5D.2.595【单选题】(2分)下述说法的是A.可对字典数据类型进行查、增、删、改B.可对列表数据类型进行查、增、删、改C.元组是一个不可变型的序列，由{}完成D.列表是一个可变型的序列，由[]完成6【单选题】(1分)下述列表计算的结果是a=[1,11,10,10001,10001]a.append(2.5)print(a)A.[2.5,1,11,10,10001,10001]B.[1,11,10,10001,10001,2.5]7【单选题】(1分)下述代码返回的结果是x=-3.5ifx<0:print(x+2)else:print(-1*x-5)A.1.5B.-1.5C.08【单选题】(2分)下述代码返回的结果是m=[2,5,4,1,3]n=[]forkinm:t=k**2-2n.append(t)print(n)A.[4,25,16,1,9]B.[2,23,14,-1,7]C.[5,26,17,2,10]第三章测试1【单选题】(1分)下列不属于数据预处理常用方法的是A.异常值的发现与处理B.相关分析C.缺失值的发现与处理D.离散变量重编码2【多选题】(2分)常用描述统计方法包括A.数据可视化B.描述集中程度C.描述偏差和相关程度D.描述离散程度3【单选题】(2分)下列参数类假设检验方法中可以用于比较3种不同教学方法之间是否存在显著差异的是A.配对样本T检验B.独立样本T检验C.单因素方差分析4【多选题】(1分)可以用于直观展示数据值的大小或变化趋势（即比较）的可视化工具有A.柱形图B.条形图C.饼图D.折线图5【判断题】(1分)按照可视化专家AndrewAbela的图表使用建议，散点图可以用于展示数据间的联系。A.对B.错第四章测试1【单选题】(1分)下述机器学习方法中可以用于降维的是A.决策树B.PCAC.KNND.Kmeans聚类2【单选题】(1分)如果研究者想探讨影响小麦亩产量的因素，采集了若干个样本的各个指标（温度、灌溉量、光照强度、施肥量），则下列哪种方法适合研究本问题？A.多元线性回归分析B.一元线性回归C.PCAD.聚类分析3【多选题】(1分)随机森林算法叙述正确的是A.随机选择训练样本(行采样)B.采用投票法(少数服从多数)确定最终类别归属C.是一种集成学习算法D.随机选择部分特征(列采样)4【单选题】(1分)下列关于决策树算法的论述的是A.ID3算法的属性选择度量就是使用信息增益，选择最小信息增益的属性作为当前节点的测试属性。B.决策树基本思想是贪心算法，它以自顶（根节点）向下递推生成的方式构造决策树。C.熵可用于描述信息的不确定性或混乱程度，信息的不确定性越大则熵越大，反之越小D.条件熵H(Y|X)表示在已知特征X的条件下，类别Y的不确定性的度量5【多选题】(1分)下列关于判别分析叙述正确的是A.Fishser线性判别分析的基本思想是投影B.利用已知类别的样本建立判别模型，对未知类别的样本进行分类C.是多元分析中用于判别样本所属类型的一种统计分析方法D.Fishser线性判别分析（LinearDiscriminantanalysis,LDA）由R.A.Fisher于1936年提出6【多选题】(1分)朴素贝叶斯分类器的基本算法步骤包括A.定问题：确定为分类（类标签已知）问题B.比大小：计算后验概率，归入最大后验概率类C.算概率：计算所有朴素贝叶斯公式中的“零部件”概率7【多选题】(1分)K最近邻（KNN)分类器的基本算法步骤包括A.算距离：给定测试对象，计算它与训练集中的每个对象的距离B.找邻